agentleFS
Paloma966Paloma966/dsh-paper/skills/thesis-opener/SKILL.md

thesis-opener

Skill7 starsChanged 7 days agoMITView on GitHub

毕业设计选题与开题方法论。用于阶段 1-2:选题工作坊、备选课题评估、选题确认书(关卡 G1)、开题报告与任务书撰写、开题审阅(关卡 G3)。

The file

Files
SKILL.md

选题与开题

目标:帮用户选出"能做出来、讲得清楚、答辩友好"的课题,并产出合格的开题材料。 前提:用户对流程不了解——每一步都要先解释"这一步是干什么的、给谁看、产出什么",再动手。

1. 选题四要素评估法

每个备选课题按四要素打分(1-5 分),低于 3 分的要素必须在风险栏说明对策:

要素评估问题5 分长什么样
兴趣用户对方向有没有真实兴趣?用户主动提到过、愿意投入
可行性用户基础 + AI 辅助能否在周期内做出可运行系统?技术栈成熟、资料多、有现成轮子
工作量功能范围与毕设周期(通常 3-4 个月)是否匹配?核心功能 + 2-3 个亮点,不贪大
答辩友好度有没有可演示的界面/数据/对比实验?能讲清"为什么这么做"吗?有真实演示 + 可量化的测试数据

评分必须给理由,禁止拍脑袋。评估结果写入 00-管理/选题/备选课题.md。

2. 选题工作坊流程

  1. 收集背景(一次对话):用户专业方向、课程里做过什么、会哪些技术、有没有感兴趣的领域;导师是否给了课题/选题库。用户说"无所谓"时,从"技术栈低门槛 + 有真实演示 + 有数据可测"的类型里选。
  2. 生成 3 个备选:每个备选含一句话描述、要解决的问题、技术路线概览、工作量估计。备选之间要有类型差异(如 Web 系统 / AI 应用 / 桌面工具各一个),不要换皮。
  3. 评估矩阵:四要素打分 + 风险对策,写入备选课题.md。
  4. 推荐与讨论:给出推荐排序和理由,回答用户疑问,允许用户要求换一批。
  5. 拍板(G1):用户选定后,生成《选题确认书》(00-管理/选题/选题确认书.md),六节填全,然后停下等用户书面确认——用户勾选并回复"确认"后,才调用 thesis_progress gate G1 pass,并把决定写入决定日志(内容/理由/备选)。同时建议用户与导师确认课题(提醒:导师意见优先,导师否决就回到第 2 步)。

3. 计算机毕设常见选题类型参考

类型典型例子工作量答辩要点注意
Web 系统校园二手交易平台、实验室管理系统中架构图、权限设计、并发处理避开"增删改查没有技术含量"的批评:加亮点(全文检索/消息推送/数据统计)
深度学习应用课堂抬头率检测、口罩佩戴识别中高数据集来源与规模、模型选择理由、训练细节、指标必须真实训练;用现成模型微调是正常做法,但要说清"我做了什么"
移动端/小程序课程表小程序、失物招领中前后端交互、真机演示注意小程序发布审核限制,演示走开发版
桌面/工具论文格式检查器、网盘同步工具中核心算法、异常处理核心逻辑要有技术含量
数据分析招聘数据分析与可视化中低数据来源合法性、分析结论数据必须是真实的、来源可声明

4. 选题确认书(G1 产物)

模板在 00-管理/选题/选题确认书.md,六节:动机、要解决的问题、技术路线概述、工作量评估、风险与对策、用户确认。要求:

  • "要解决的问题"用一句话:针对 <谁> 在 <场景> 中 <痛点>,本课题通过 <方案> 实现 <效果>。
  • 工作量评估写明核心功能与可选功能(可选功能是"时间不够就砍"的缓冲区)。
  • 风险与对策必须诚实:写最大风险 + 退路(如"数据集难以获取 → 换用公开数据集并缩小任务范围")。

5. 开题报告(阶段 2 核心产出)

结构(模板在 01-开题/开题报告.md):

节写作要点参考字数
1 课题背景与意义领域背景→现实问题→本课题意义,三段式;意义要具体(解决谁的什么问题)600-800
2 国内外研究现状按主题组织(不是逐篇罗列);每主题 2-4 篇真实文献;最后一段指出现有工作的不足——这是本课题的立足点800-1200
3 研究内容与目标3-5 条,每条 = 动词 + 对象 + 验收效果(如"设计并实现一个支持全文检索的 X 系统")400-600
4 技术路线与方案总体方案图(thesis_figure 生成的架构/流程图)+ 分步说明 + 关键技术点及选型理由600-800
5 进度安排与 00-管理/时间线.md 一致的表格式安排—
6 参考文献全部来自 02-文献/refs.bib,GB/T 7714 格式(见 thesis-citation 技能)10-20 条

写作纪律:

  • 研究现状的每一条引用必须真实(检索记录可查);未知文献宁可少写,不可编。
  • 技术路线要能回答"可行性":每一步有技术支撑,关键风险有对策。
  • 报告写完交给用户审阅(G3):用户确认"报告内容确实是我要做的"后才能 gate G3 pass。

6. 任务书

各校模板不同。拿到学校模板后按模板重写 01-开题/任务书.md;未拿到时用内置结构(设计内容/技术指标/进度安排/参考文献)过渡并标注"非学校模板"。

7. 常见坑(主动帮用户避开)

  • 选题过大("智慧校园平台"):砍到可 3 个月交付的子集。
  • 题目陈旧且无新意:加一个明确亮点(新交互/新场景/对比实验)。
  • "创新点"表述空洞:不写"提高了效率"这种空话,写具体技术或场景差异。
  • 研究现状全是 10 年前文献:优先近 5 年,经典文献可少量保留。
  • 技术路线像技术堆砌:每个技术都要写"为什么选它"(与技术选型论证联动)。

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.